买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学申请的专利一种烟叶加料过程中工艺参数预测控制方法、系统、介质及终端获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120802644B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511297146.1，技术领域涉及：G05B13/04；该发明授权一种烟叶加料过程中工艺参数预测控制方法、系统、介质及终端是由刘丽敏;钱依然;罗跃逸;龙军;龚剑;王先兵设计研发完成，并于2025-09-11向国家知识产权局提交的专利申请。

本一种烟叶加料过程中工艺参数预测控制方法、系统、介质及终端在说明书摘要公布了：本发明公开了一种烟叶加料过程中工艺参数预测控制方法、系统、介质及终端，所述方法通过获取烟叶加料过程中当前时间步和当前时间步前连续的多个历史时间步的工艺参数数据并进行数据预处理转换为对应的时间序列样本，将当前时间步和历史时间步的工艺参数数据作为输入，输入到构建并完成训练的工艺参数预测模型中，输出得到下一时间步的目标工艺参数的预测值。所述方法解决现有技术在烟叶加料过程预测控制中存在的特征建模不充分、时序依赖捕捉能力弱、缺乏在线更新机制的问题，从而实现对烟叶加料过程关键工艺参数的高效、精准预判与动态调控。

本发明授权一种烟叶加料过程中工艺参数预测控制方法、系统、介质及终端在权利要求书中公布了：1.一种烟叶加料过程中工艺参数预测控制方法，其特征在于，包括： 获取烟叶加料过程中当前时间步和当前时间步前连续的多个历史时间步的工艺参数数据并进行数据预处理转换为对应的时间序列样本，将当前时间步和历史时间步的工艺参数数据的时间序列样本作为输入，输入到构建并完成训练的工艺参数预测模型中，输出得到下一时间步的目标工艺参数的预测值；所述工艺参数预测模型预测的具体过程为： S1：采用多尺度一维卷积对多个历史时间步的工艺参数的时间序列样本进行特征提取，进而将提取的各尺度特征进行融合，得到多个历史时间步的工艺参数特征序列； S2：将S1的多个历史时间步的工艺参数特征序列输入选择性状态空间模型模块进行时序特征提取，对应得到各历史时间步的工艺参数的隐藏状态序列，进而得到由隐藏状态序列构成的时域历史隐藏状态矩阵； S3：采用线性变换层将当前时间步的工艺参数的时间序列样本映射到隐藏空间，得到当前时间步的工艺参数特征； S4：将时域历史隐藏状态矩阵和当前时间步的工艺参数特征输入注意力模块，得到时域综合特征； S5：对S1输出的工艺参数特征序列的每个特征维度进行快速傅里叶变换得到频域复数序列，计算频域复数序列中每个频率分量的幅值得到幅值序列，对幅值序列进行全局平均池化得到频域特征； S6：将S4得到的时域综合特征和S5得到的频域特征进行拼接，得到融合特征； S7：通过全连接层对融合特征进行线性变换，输出下一时间步的目标工艺参数的预测值； 其中，所述S2中各历史时间步的工艺参数的隐藏状态序列的具体过程是将多个历史时间步的工艺参数特征序列作为输入，依次输入到选择性状态空间模型模块，该模块包含状态空间层、选择机制层及输出投影层，通过线性状态空间转换与自适应选择机制获取各历史时间步间工艺参数的时序特征信息，对应得到各历史时间步的工艺参数的隐藏状态序列，具体过程如下： 首先，将经S1多尺度一维卷积融合后的特征序列，为批量大小，为历史时间步数，为特征维度，通过线性投影层映射到Mamba模块适配的状态空间维度，投影公式如下： ； 其中，为线性投影层的权重矩阵；为线性投影层的偏置项；为投影后的状态空间输入； 随后，将拆分为三个并行分支，分别为状态转移核分支、输入门分支、选择权重分支，各分支维度均与一致，即； 对状态转移核分支，取第时间步的特征数据，应用指数函数生成第时间步的状态转移核，公式如下： ； 其中，为第时间步的状态转移核； 对输入门分支，取第时间步的特征数据，应用sigmoid激活函数生成第时间步的输入门权重，公式如下： ； 其中，为sigmoid激活函数；为第时间步的输入门权重； 设定初始状态，结合状态转移核、输入门权重及第时间步的输入，在第时间步的特征数据，通过逐元素乘法与线性组合更新状态，公式如下： ； 其中，为双曲正切激活函数，将输出约束在区间以保证状态值稳定；表示逐元素乘法；为第时间步的状态向量； 遍历所有历史时间步后，将各时间步的状态向量按时间维度堆叠，构成时域历史隐藏状态矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。